[发明专利]一种基于有无纹理分类的布匹色差检测方法

权利要求书

1.一种基于有无纹理分类的布匹色差检测方法，其特征在于，包括：

步骤(1)：采用OTSU阈值自适应算法，对标样布匹和待检测布匹进行有无纹理的分类；

步骤(2)：将无纹理布匹的当前颜色模型分别转化为HSV颜色模型进行HSV圆锥距离色差计算得到第一颜色差值以及CLELAB颜色模型进行CLEDE2000色差计算得到第二颜色差值，进行第一综合加权，确定无纹理布匹的色差检测结果；

步骤(3)：通过改进的模糊C均值聚类算法提取有纹理布匹的主导色和纹理色，应用步骤(2)分别计算所述主导色和所述纹理色的颜色差值，进行第二综合加权，确定有纹理布匹的色差检测结果。

2.根据权利要求1所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(1)中，采用所述OTSU阈值自适应算法进行有无纹理的分类，具体为：

在利用方向匹配滤波器进行图像卷积后，采取OTSU阈值自适应算法对卷积结果进行二值化，从而判别布匹有无纹理。

3.根据权利要求1所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(2)中，所述HSV圆锥距离色差计算，具体为：

其中，r为圆锥的半径；h为圆锥的高；H为HSV图像中的色调值；S为HSV图像中的饱和度值；V为HSV图像中的亮度值；X、Y和Z分别为HSV圆锥距离三维坐标；其中，i取1计算得到HSV颜色模型无纹理标样布匹图像的HSV圆锥距离三维坐标，i取2计算得到HSV颜色模型无纹理待检测布匹图像的HSV圆锥距离三维坐标；

采用如下式，计算HSV圆锥距离色差：

其中，d为HSV圆锥距离色差。

4.根据权利要求1所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(2)中，所述CLEDE2000色差计算，具体为：

其中，为无纹理标样布匹图像的亮度；为无纹理标样布匹图像的红绿色度；为无纹理标样布匹图像的黄青色度；为无纹理待检测布匹图像的亮度；为无纹理待检测布匹图像的红绿色度；为无纹理待检测布匹图像的黄青色度；ΔE₀₀为颜色差值；ΔL′为明度差；ΔC′为彩度差；ΔH′为色相差；k_L、k_C和k_H为参数因子；S_L、S_C和S_H为权重参数；R_T为旋转参数。

5.根据权利要求3或4所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(2)中，所述第一综合加权，具体为：

其中，A为无纹理布匹的色差；λ₁和λ₂分别为无纹理布匹HSV圆锥距离色差和无纹理布匹CLEDE2000色差的权重。

6.根据权利要求1所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(3)中，所述改进的模糊C均值聚类算法为对有纹理布匹图像的像素自适应确定聚类数目，具体为：

通过聚类有效性函数，如下：

计算得到函数最小时对应的数值c为c^*，确定最佳聚类数；

其中，V_c为聚类中心；U为模糊矩阵；Com^N(V_c，U)为紧致性度量；Com^N(V_c，U)为分离性度量；

将最佳聚类数c带入所述模糊C均值聚类算法中，得到聚类结果。

7.根据权利要求6所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，所述聚类结果分为两大类，像素比例最多的一类为主导色，剩余的类归为纹理色。

8.根据权利要求1所述的一种基于有无纹理分类的布匹色差检测方法，其特征在于，步骤(3)中，所述第二综合加权，具体为：

B＝λ₃A_主+λ₄A_纹；

其中，B为有纹理布匹的色差；A_主和A_纹分别为有纹理布匹主导色色差和有纹理布匹纹理色色差；λ₃和λ₄分别为有纹理布匹主导色色差和有纹理布匹纹理色色差的权重。